第六章 AIは思考加工を周知する｜初稿

第六章｜初稿

AIは思考加工を周知する

前回、私は「情報を持つ側の反撃」について書いた。

情報が周知されると、情報を持つ側の優位は揺らぐ。
知らない者が知るようになる。
読めない者が読めるようになる。
判断材料を持たなかった者が、判断材料を持つようになる。

しかし、情報を持つ側は黙って優位を手放さない。

隠す。
出さない。
汚す。
文脈を切る。
順番を操作する。
比較対象を設定する。
ラベルを貼る。
加工方法を支配する。

情報そのものを独占できなくなったとき、人は情報の見せ方を操作し始める。
情報の読み方を支配しようとする。
何を重要とみなすのか。
何と比較するのか。
どの問いを立てるのか。
どの言葉で説明するのか。

つまり、闘争の中心は、情報そのものから、情報加工へ移っていく。

ここで、生成AIが現れる。

生成AIは、単なる検索道具ではない。

もちろん、検索のように使うことはできる。
分からない言葉を聞く。
制度の概要を尋ねる。
文章の意味を確認する。
資料の要点を聞く。

そういう使い方もある。

しかし、それだけなら「精度の高い検索エンジン」とあまり変わらないようにも見える。

生成AIの本質は、そこだけにはない。

生成AIは、情報を加工する。

長い文章を要約する。
乱雑なメモを整理する。
複数の意見を比較する。
曖昧な考えに見出しを付ける。
論点を分ける。
反論を作る。
別の視点を提示する。
問いを立て直す。
文章の順番を組み替える。
相手に伝わる形へ整える。

これは、単に情報を探しているのではない。

情報に手を入れている。
形を変えている。
使える状態へ近づけている。

つまり、生成AIは情報加工を行う装置である。

ここが重要だと思う。

これまで、情報を加工する力は、かなり偏って存在していた。

文章を読んで要点をつかめる人。
会議の議論から論点を抜き出せる人。
数字を見て異常に気づける人。
複数の資料を比較して、何が違うのか説明できる人。
相手の言葉の裏にある前提を見抜ける人。
難しい話を、現場の人にも分かる言葉に直せる人。

こういう人は、どの組織にもいる。
そして、たいてい重宝される。

なぜなら、その人は単に「知っている人」ではないからである。
情報を使える形にできる人だからである。

会社でも、そういう人は強い。

上から降りてきた方針を、現場の行動に翻訳できる。
現場の不満を、管理者が扱える論点に整理できる。
専門家の説明を、素人にも分かる形にできる。
バラバラの報告から、危険な兆候を読み取れる。
数字と人間の動きをつなげて考えられる。

こういう人は、情報の通訳者であり、加工者である。

そして、この加工能力は、単なる知識量ではない。

知識が多くても、整理できなければ使えない。
資料を持っていても、要点を抜けなければ動けない。
正しい情報に触れていても、次の判断に変換できなければ力にならない。

情報の価値は、持っていることだけではなく、加工できることにある。

これは第二章で書いたことでもある。

情報は自然には存在しない。
外界の反応や差異を読み取り、区別し、使える形に加工して初めて情報になる。

ならば、情報加工能力とは、情報を情報として成立させる力である。

そして、その力は、長い間、一部の人間や組織に偏っていた。

教育を受けた者。
訓練を受けた者。
専門職に就いた者。
経験を積んだ者。
書くことに慣れた者。
説明する立場にいた者。
分析する仕事を任された者。

そうした人たちは、情報を加工する型を身につけてきた。

一方で、そうでない人は、情報に触れていても、うまく扱えないことが多かった。

資料はある。
説明も受けた。
検索すれば出てくる。
マニュアルも置いてある。

それでも、何を見ればよいのか分からない。
どこが大事なのか分からない。
何と何を比べればよいのか分からない。
自分の状況にどう当てはめればよいのか分からない。

この状態では、情報は力にならない。

情報に囲まれていることと、情報を使えることは違う。

生成AIが大きいのは、ここである。

生成AIは、情報加工の型を、かなり広い人の手元に置き始めている。

たとえば、長い文章を読まなければならないとする。

以前なら、読む力のある人が読むしかなかった。
要点をつかむ力のある人が、要約するしかなかった。
経験のある人が、「ここが大事だ」と教えるしかなかった。

しかし今は、生成AIに要約させることができる。

もちろん、その要約が正しいとは限らない。
抜けもある。
誤解もある。
重要な文脈を落とすこともある。

それでも、最初の足場は作れる。

何について書かれているのか。
主な論点は何か。
賛成と反対はどこか。
注意すべき言葉は何か。
次に読むべき箇所はどこか。

そうした入口を作ることができる。

これは、かなり大きい。

なぜなら、情報加工の最初の段差を下げるからである。

人は、何が分からないのか分からないとき、一番つらい。
どこから読めばよいのか分からない。
何を聞けばよいのか分からない。
自分が何を誤解しているのかも分からない。

この状態では、情報の前で立ち尽くすしかない。

生成AIは、その立ち尽くしている人に、最初の取っ掛かりを与える。

「まず、この文章は三つの話に分けられます」
「この部分は前提の説明です」
「ここから結論に入っています」
「この言葉は、別の意味でも使われるので注意が必要です」
「反対意見としては、こういう見方があります」

こうして、情報を扱うための足場を作る。

これは、単なる便利機能ではない。

情報加工の型を、使える形で見せているのである。

分類する。
要約する。
比較する。
問い直す。
反論を作る。
別の視点を出す。
順番を整える。
言葉を変える。
目的に合わせて組み替える。

これらは、これまで一部の人が訓練や経験によって身につけてきた作業である。

生成AIは、その作業の一部を、会話の形で見えるようにした。

ここに、私は「思考加工の周知」を見る。

もちろん、生成AIが人間と同じように考えていると言いたいわけではない。

生成AIには、身体がない。
生活がない。
責任を引き受ける現場もない。
腹を壊した経験も、失敗して上司に怒られた記憶も、誰かに頭を下げた重みもない。

人間の思考には、身体がある。
経験がある。
利害がある。
後悔がある。
恥がある。
守りたいものがある。

生成AIの出力を、そのまま人間の思考と同じものとして扱うのは危うい。

しかし、それでも生成AIは、思考の型を見せる。

考えるとは、何かを知っているだけではない。
材料を並べることである。
違いを見つけることである。
問いを立てることである。
仮の答えを置くことである。
反対側から見ることである。
言葉を選び直すことである。
順番を組み替えることである。
相手に届く形へ変えることである。

そういう作業の型が、生成AIとの会話の中で見えるようになる。

これは、情報の周知とは少し違う。

情報の周知は、知識を広げる。
思考加工の周知は、知識の扱い方を広げる。

情報の周知は、「それを知っている人」を増やす。
思考加工の周知は、「それを使える形にできる人」を増やす。

この違いは大きい。

たとえば、ある制度について知ることと、その制度を自分の状況に当てはめて考えることは違う。
ある統計を見ることと、その統計から何が言えて、何が言えないのかを判断することは違う。
ある専門用語を知ることと、それを相手に伝わる言葉へ置き換えることは違う。
ある問題に気づくことと、その問題を解決可能な論点に分けることは違う。

生成AIは、この後者の部分に手を伸ばしている。

だから、生成AIを単なる検索道具として見ると、その意味を見誤る。

検索エンジンは、情報の場所を示す。
生成AIは、情報の形を変える。

検索エンジンは、「どこにあるか」を助ける。
生成AIは、「どう扱うか」を助ける。

もちろん、両者は重なっている。
生成AIも情報を探すように使われる。
検索エンジンも、情報の見せ方を加工している。

それでも、使う側の体験としては違う。

検索では、出てきたものを自分で読み、自分で比べ、自分で整理しなければならない。
生成AIでは、その整理の初期作業まで会話の中で行える。

ここに、生成AIの新しさがある。

そして、この新しさは、情報を持つ側にとって都合が悪い。

なぜなら、情報の見せ方や加工方法を支配することで保っていた優位が、揺らぎ始めるからである。

これまでは、資料を出しても、読み解ける人は限られていた。
数字を出しても、比較できる人は限られていた。
制度を公開しても、使いこなせる人は限られていた。
専門用語で説明すれば、多くの人はそこで止まった。

しかし、生成AIがあると、受け取る側は聞き返せる。

「この文章を簡単に説明してください」
「この資料の論点を三つに分けてください」
「この主張の弱いところはどこですか」
「別の立場から見るとどうなりますか」
「この数字は何と比べるべきですか」
「専門用語を使わずに説明してください」
「相手が隠している前提は何ですか」

これは、かなり厄介である。

情報を持つ側が難しい言葉で包んでも、ほどかれる。
大量の資料で埋めても、要約される。
都合のよい比較だけを出しても、別の比較を求められる。
ラベルを貼っても、そのラベル自体を問い直される。
結論だけを押し出しても、前提を分解される。

もちろん、生成AIがいつも正しく分解してくれるわけではない。
むしろ、間違えることもある。
もっともらしい嘘を言うこともある。
与えられた資料を十分に読めていないこともある。
使う人が誘導すれば、都合のよい答えを出すこともある。

だから、生成AIを盲信してはいけない。

しかし、盲信してはいけないことと、意味がないことは違う。

包丁は危ない。
だから料理に使えない、とはならない。

車は事故を起こす。
だから移動の道具ではない、とはならない。

同じように、生成AIは誤る。
だから思考加工の補助にはならない、とはならない。

大切なのは、何に使うのかである。

生成AIを「正解をくれるもの」として使うと危ない。
しかし、「考えるための足場を作るもの」として使うなら、大きな力になる。

要約させたら、原文に戻る。
比較させたら、比較対象を疑う。
反論させたら、自分の立場も疑う。
説明させたら、抜けている前提を探す。
文章を整えさせたら、自分の思想の芯が変わっていないかを見る。

こうした使い方をするなら、生成AIは人間の思考を奪うものではない。
むしろ、思考の作業場を広げるものになる。

私は、生成AIを「答えを出す機械」として見るより、「思考加工の作業台」として見る方がしっくりくる。

作業台は、仕事を代わりに完成させてくれるわけではない。
しかし、材料を置ける。
道具を並べられる。
一度ばらして、組み直せる。
横から眺められる。
不要なものを捨てられる。
別の部品を試せる。

生成AIとの会話も、それに近い。

自分の考えを置く。
言葉にしてみる。
分けてみる。
並べ替えてみる。
反対側から見てみる。
違う表現にしてみる。
足りないところを探す。

その過程で、自分の考えが見える。

これは、単にAIが賢いという話ではない。

人間は、自分の頭の中だけでは、自分の考えをつかみにくい。
言葉にして外へ出してみて、初めて分かることがある。
誰かに話してみて、初めて矛盾に気づくことがある。
書いてみて、初めて足りない部分が見えることがある。

生成AIは、この外へ出す相手になり得る。

もちろん、相手と言っても、人間ではない。
責任を持つ友人でも、師匠でも、同僚でもない。
しかし、言葉を返してくる。
別の整理を出してくる。
こちらの曖昧な考えに、仮の形を与えてくる。

その仮の形を見て、人間は考え直すことができる。

ここに、生成AIの現実的な価値がある。

生成AIは、人間の思考そのものではない。
だが、人間が自分の思考を加工するための鏡にはなる。

少し歪む鏡である。
たまに余計なものを映す鏡である。
こちらが雑に立てば、雑に返す鏡である。

それでも、何も映らないよりは、はるかに作業が進むことがある。

この意味で、生成AIは思考加工を周知する。

一部の人だけが持っていた整理の技術。
文章を整える技術。
論点を分ける技術。
比較する技術。
問いを立てる技術。
別の視点を出す技術。

それらの一部を、誰でも呼び出せる場所に置き始めている。

これは、教育に近い。
ただし、学校のように順番に教えるのではない。

必要なときに、必要な形で、会話の中に現れる。
分からないところから始められる。
何度でも聞き返せる。
恥をかかずに試せる。
下手な問いからでも始められる。

この「下手な問いから始められる」ということは、実は大きい。

人は、賢い質問をしなければならない場では、黙る。
馬鹿にされたくない。
分かっていないと思われたくない。
場を止めたくない。
面倒な人だと思われたくない。

だから、分からないまま進む。

しかし、生成AIには、下手な問いを投げられる。

「そもそも何が問題なのですか」
「小学生にも分かるように説明してください」
「私はどこを誤解していますか」
「この話の入口を教えてください」
「何から考えればいいですか」

こういう問いを投げられることは、情報加工の入口を広げる。

これは、思考の民主化という言葉で片づけるには、少し雑かもしれない。
民主化という言葉は、きれいすぎる。

むしろ私は、もっと生々しいものとして見ている。

これまで考える側に回れなかった人が、少しだけ考える側に回れる。
これまで説明を受けるだけだった人が、説明を組み替えて聞き返せる。
これまで専門家の言葉を飲み込むだけだった人が、別の言葉に変換できる。
これまで資料の山の前で止まっていた人が、要点の入口に立てる。

それは、かなり現場的な変化である。

ただし、ここで浮かれてはいけない。

生成AIが思考加工を周知するということは、誰もが深く考えるようになるという意味ではない。

むしろ逆に、考えているつもりになる危険もある。

AIが要約した。
AIが比較した。
AIが論点を出した。
AIが文章を整えた。

それだけで、自分が考えた気になる。

これは危ない。

生成AIが出したものは、あくまで加工案である。
最終的に何を採用するのか。
何を捨てるのか。
どこに責任を持つのか。
どの言葉を自分の言葉として出すのか。

それは、人間が決めなければならない。

生成AIは、思考を助ける。
しかし、責任を引き受けない。

ここを取り違えると、思考加工の周知は、思考の空洞化にもなる。

誰かの言葉を借りる。
AIの整理をそのまま出す。
自分の違和感を確認しない。
現場の痛みと照らさない。
相手に届くかどうかを考えない。

それでは、情報加工の力を得たのではなく、加工済みの言葉に乗せられているだけである。

だから、生成AI時代に本当に必要なのは、AIに考えさせることではない。

AIを相手に、自分の考えを加工することである。

自分は何を見ているのか。
何を見落としているのか。
何を前提にしているのか。
何に腹を立てているのか。
何を守りたいのか。
どこまでなら譲れるのか。
どの言葉なら、自分の言葉として出せるのか。

AIとの会話は、そこへ向かうために使うべきだと思う。

生成AIは、情報加工の型を周知する。
しかし、その型をどう使うかは、人間に残されている。

ここに、次の問いが生まれる。

生成AIが思考加工を周知する装置だとして、その生成AI自身は、どこから来たのか。

生成AIは、何もないところから現れた中立の存在なのか。
それとも、生成AIにもまた、履歴があるのか。

学習データ。
設計思想。
評価基準。
開発文化。
そして、それを作るために使われたプログラミング言語や技術の歴史。

生成AIもまた、ある流れの中にいる。

人が生態系進化の流れにいるように、システムも開発者の経験や設計思想の延長にある。
生成AIも例外ではない。

次回は、このことを考えてみたい。

AIは、ただの道具なのか。
それとも、履歴を背負った現象なのか。

次回は、「生成AIにも履歴がある」について考えてみたい。

＊本稿は筆者自身の思索をもとに、生成AIを思考の伴侶として対話を重ね、その過程で得られた整理を文章化したものです。